基于贝叶斯网络的防空目标攻击意图评估＊

陈 霞

（北京西三环中路19号 北京 100841）

1 引言

高技术条件下的海上对空防御作战具有突发性高、持续时间短、作战空间大等特点，舰艇面对的空中攻击威胁程度也日益加剧：一方面，多批次、多层次、全方位、高密度、多种类、饱和式空袭是舰艇面临空中攻击的主要特征；另一方面，低空掠海隐身目标、精确制导导弹、巡航导弹等新型攻击武器具有雷达散射截面小、机动性高、射程远、制导精度高、低空突防性能强、破坏威力大等特点，这些武器的多批次轮番式攻击可对舰艇构成严重威胁［1］。面对如此复杂的海战场环境，传统的单舰平台作战体系已无法适应现代海战需求，以航母编队为体系的多舰艇协同作战模式应运而生，并已形成了新的海战体系。在新的海战体系下，强调了防空的信息化和自动化，美军网络中心站的思想和多次局部战争中的实践为新形势下的作战提供了新的思路［2］。面对复杂多变的海战场，需要加强防空辅助决策技术研究，对目标预警探测、威胁判断、武器资源分配等进行合理有效的运用，其中舰艇编队防空敌方目标攻击意图估计作为编队威胁判断的重要组成部分，是进行空中来袭目标分析的重要内容，可以辅助指挥员进行海战场态势的整体把握，合理地进行后续的武器火力安排和调度，从而提高整体作战效能［3］。

目前，进行敌方来袭目标攻击意图估计的方法很多，主要包括多属性决策理论、模糊逻辑法、神经网络法等［4～6］。本文借鉴贝叶斯网络在不确定知识表达和推理领域中的优势，结合海战场多源传感器提供的实时、准实时辅助信息，研究了基于贝叶斯网络的敌方目标攻击意图综合估计方法。

2 贝叶斯网络基础

贝叶斯网络又称信度网、因果网或概率网，其原理是利用具有网络结构的有向图表达各个信息要素之间的关联关系及影响程度，用节点变量表达各个信息要素，用连接节点之间的有向弧表达各个信息要素之间的关联关系，用条件概率矩阵表达各个信息要素之问的影响程度［7］。贝叶斯网络的理论基础是Thomas Bayes在1763年给出的Bayes定理。一个Bayes网络可以看作一个概率专家系统，由网络拓扑结构和每个节点的局部条件概率表两部分组成。图1为一个典型的贝叶斯网络，其网络结构是一个具有N个节点的有向无环图，有向无环图中的每个节点代表离散的随机变量，可以是各种待求解的推理问题的抽象；连接节点的有向边代表了节点之间的因果关系。条件概率表反映了变量之间关联性的局部概率分布情况，表达了子节点同其父节点的相关关系。没有任何父节点的条件概率为其先验概率。有了节点及其相互关系（有向边）、条件概率表，贝叶斯网络就可以表达网络中所有节点的联合概率，并可以根据先验概率信息或某些节点的取值（获取的证据）计算其它任意节点的概率信息，即进行网络推理。

图1 典型的贝叶斯网络

贝叶斯网络是基于图形模式的变量间概率分布的表示方法，其数学基础稳固，语义形象直观，被广泛应用于不确定性知识表示和推理等方面。贝叶斯网络综合考虑了先验信息和样本数据，充分利用了专家知识和先验经验知识，可以综合地进行定量分析和定性分析。经过二十多年的发展，目前贝叶斯网络已经成为人工智能和专家系统中的一个研究热点，在军事决策领域被广泛应用［8］。

3 目标攻击意图评估

3.1 目标攻击意图

空中目标攻击意图是进行防空目标威胁估计的重要参考依据。一般来说，目标攻击意图是指敌方目标攻击意向或决心，即根据防空武器系统防空作战特点确定敌方目标是否有攻击我方舰艇的意图。目标攻击意图包含目标毁伤受保护舰艇的意向或决心，或目标使用装在的武器毁伤受保护舰艇的意向或决心，需要我们从敌方作战意图、目标攻击准备程度和目标攻击实施强度等方面进行实时监测。在没有实时／准实时的通信侦测情报或其它人工情报或上级通报的情况下，空中目标攻击意图评估需要我们对目标进行实时监测，根据其活动状态参量进行推理、判断［9～10］。

攻击意图评估主要考虑威胁目标来袭过程中所表现出来的行为特征，通常用于进行敌方目标攻击意图进行推理判断的主要因素有：敌方目标飞行速度、飞行高度、航向角、目标位置、敌我识别信号以及平台属性等因素，因此，该问题是典型的多属性决策问题，主要可考虑的因素如下，并对各种因素进行状态离散化。

1）目标航速：航速是衡量目标机动性能的重要指标之一，也是目标重要属性之一。不同的目标具有不同的作战速度，即使是同一目标，速度不同，其威胁程度也是不一样的。一般来说，目标飞行速度越快，其攻击意图越明显。对于目标航速，可分为超音速和亚音速两类进行讨论。

2）目标航向：通过对目标航向变化状况的观察，可以大致推测敌方目标的攻击意图。敌方目标奔袭我方而来，则敌方进攻意图明显敌方目标背我而去，则敌方逃跑意图明显。因此，对于目标航向变化可分为接近我方舰艇编队和远离我方舰艇编队两种类型。

3）目标位置：由于我方武器平台火力打击距离受限，目标距离也是影响我方指挥员打击决心的因素之一；同时，敌方目标距离我方越近，对我方攻击意图也越大，所以在进行攻击意图评估时要考虑敌我距离因素。对于目标位置，可以按照在我方平台攻击范围内，我方平台攻击范围边缘和攻击范围外三种状态。

4）目标平台类型：来袭敌方目标发射平台类型不同，其飞行速度和攻击能力也不同，对要地的威胁程度也不一样，因此，在考虑敌方目标攻击意图时，也需要考虑敌方平台的威胁程度，一般来说可分为舰射平台、岸射平台和空射平台三种类型。

5）目标高度：敌方目标飞行高度越低，被发现的概率越小。在敌方目标距离我方舰艇较远时，飞行高度对我方攻击意图不明显，但近距离突然出现的低空目标，对我方的威胁将明显提高。对于目标攻击意图，可从目标高度变化信息进行推断，一般可分为目标由高至低，由高至高和由中至低三种状态。

3.2 攻击意图评估贝叶斯网络模型

利用贝叶斯网络进行目标攻击意图评估主要包括三个步骤：1）确定节点及节点状态；2）确定节点关系；3）节点概率分配。对于3.1节中确定的变量，可建立如图2所示的贝叶斯网络模型，其中离散后的变量状态如下：

目标攻击意图（A）：1代表有意图，2代表无意图；

目标高度变化（B）：1代表由高至低，2代表由高至高，3代表由中至低；

目标平台属性（C）：1代表舰射，2代表空射，3代表岸射；

目标距离（D）：1代表范围内，2代表边缘，3代表范围外；

目标航向变化（E）：1代表接近，2代表远离；

目标飞行速度（F）：1代表超音速，2代表亚音速。

图2 目标攻击意图贝叶斯网络模型

在建立了贝叶斯网络模型后，重要的步骤是根据专家知识和先验知识建立父节点和子节点之间的概率表。表1～表5分别根据专家知识和经验知识给出了上述节点A、B、C、D、E、F之间的条件概率，这样就可以根据获取的证据信息进行网络推理。

表1 目标攻击意图与高度变化条件概率表

表2 目标攻击意图与平台属性条件概率表

表3 目标攻击意图与距离条件概率表

表4 目标攻击意图与航向变化条件概率表

表5 目标平台属性与飞行速度条件概率表

3.3 攻击意图评估流程

编队防空目标攻击意图评估的流程是：首先用指定的先验概率和条件概率对网络进行初始化；当检测到新的敌方目标属性信息时，即网络的叶节点信息更新，则触发网络推理，通过贝叶斯公式，得到后验概率，从而更新整个网络节点状态的概率分布，更新后的后验概率分布则作为下一次推理的先验分布；最后获取根节点（威胁类型节点）状态的概率分布情况，根据判决规则，将最大后验概率者判定为攻击意图评估结果，其流程如图3所示。贝叶斯网络推理算法一般有精确推理算法和近似推理算法两种，对于文中的贝叶斯网络模型，节点较少，结构相对简单，属于单连通网络，可采用精确推理算法进行推理［8］。

图3 目标攻击意图评估贝叶斯网络推理流程

4 仿真分析

为了验证本文算法的有效性，将设计仿真试验进行编队防空目标攻击意图评估。假设我方编队预警探测系统探测到有四枚导弹向我方舰艇编队袭来，经过多传感器信息融合识别后，我方舰艇指控系统显示四枚导弹的信息分别为：

导弹1的探测信息为在我方武器平台攻击范围内，且具有由高向低的高度变化趋势，即B＝1，D＝1；

导弹2的探测信息为飞行速度信息为200m／s，即处于亚音速飞行状态，高度变化信息为由高向高飞行，航向信息为接近我方舰艇编队，则可知F＝2，B＝2，E＝1；

导弹3的探测信息为飞行速度500m／s，即为超音速，距离在我方武器平台攻击边缘，航向信息为接近我方舰艇编队，则可知F＝1，D＝2，E＝1。

导弹4的探测信息为飞行速度300m／s，即为亚音速，距离在我方武器平台攻击外围，航向信息为接近我方舰艇编队，则可知F＝1，D＝3，E＝1。

表6 目标攻击意图推理结果

图4 目标攻击意图推理后验概率分布图

仿真编程环境为Windows XP下Visual Studio 2005，其中计算机配置为Intel（R）Core（TM）；I5－3450CPU ＠3.10GHz 3.09GHz；内存3.19 GHz。在进行仿真试验时，采用了基于PolyTree的消息传递算法进行网络推理，该算法属于精确推理算法，通过网络节点之间的消息传递实现后验概率计算。表6中给出了根据观测的证据信息对来袭的四枚导弹的推理结果，其中导弹1和导弹3有明显攻击意图，其具有攻击意图的概率分别为0.9574和0.6988，可知导弹1更具威胁性，在后续的目标分配中应重点考虑，导弹2和导弹4攻击意图尚不明显，且导弹2攻击意图最不明显，其概率仅为0.3124，图4给出了相应的推理后验概率分布图。从这些结果来看，利用贝叶斯网络进行目标攻击意图评估能够很好地结合专家经验知识处理不确定性信息和不完备数据集，并能够比较准确地反映敌方目标攻击意图，具备科学性和合理性，能为海战场防空辅助决策提供理论支持。

5 结语

针对舰艇防空辅助决策中的敌方来袭目标的威胁判断关键问题，文中利用贝叶斯网络建立了目标攻击意图多属性评估模型，利用贝叶斯网络在不确定知识表达和推理方面的优势进行了目标攻击意图评估，可以根据海战场提供的各种观测证据信息进行实时推理，大大提高了敌方攻击意图评估的信息化和自动化程度。仿真试验结果表明了文中目标攻击意图评估的有效性和可行性，为实际海战中进行目标攻击意图评估提供了参考依据和理论指导。本文方法的实际应用有待于后续装备的推广和实际海战装备的应用试验，此外，海战场环境复杂多变，实际海战中可能需要考虑更多的因素、更复杂的情况，这将有待于后续更深入的研究，这将是我们下一步要重点研究的内容。

［1］谭安胜.水面舰艇编队作战运筹分析［M］.北京：国防工业出版社，2009：235－240.

［2］刘庆鸿.网络中心战—21世纪的作战概念［J］.现代防御技术，2003，31（2）：1－5.

［3］Hall D L，Llinas J.An introduction to multi－sensor data fusion［C］／／Proceedings of IEEE，1997，85（1）：6－23.

［4］Alessio Benavoli，Branko Ristic，Alfonso Farina，et al.An Application of Evidential Networks to Threat Assessment［J］.IEEE Transactions on Aerospace and E－lectronic Systems，2009，45（2）：620－639.

［5］Looney G G.Exploring fusion architecture for a common operational picture［J］.Information Fusion，2001，2（4）：251－260.

［6］Liang Qianglian，Cheng Xuzhen.KUPS：Knowledgebased ubiquitous and persistent sensor networks for threat assessment［J］.IEEE Transactions on Aerospace and Electronic Systems，2008，44（3）：1060－1069.

［7］韩崇昭，朱洪艳，段战胜，等.多源信息融合［M］.北京：清华大学出版社，2006：113－123.

［8］史志富，张安.贝叶斯网络理论及其在军事系统中的应用［M］.北京：国防工业出版社，2012：78－90.

［9］朱传伟，童幼堂，陆永红.基于串联模型框架的目标威胁评估［J］.指挥控制与仿真，2014，36（1）：74－77.

［10］林宗祥，孙永侃，李雪飞.潜艇对水面舰艇威胁评估模型的设计思路［J］.鱼雷技术，2012，20（4）：306－313.